Успешность трудоустройства и активное использование Интернет-ресурсов
В блоке выше мы проанализировали различные Интернет ресурсы, выяснили, какие из них российский пользователь использует для поиска работы. Второй блок посвящен анализу активности в различных Интернет-ресурсах и ее взаимосвязи с успешностью трудоустройства. Мы выбрали несколько переменных в качестве индикаторов успешности:
Зарплата
Удовлетворенность работой (только для тех респондентов, которые сменили работу в 2013-2014 году)
Позиция на профессиональной лестнице мастерства
Время, затраченное на поиск работы
В качестве индикатор активности в интернете мы взяли следующие показатели:
Количество социальных сетей, в которых зарегистрирован респондент
Количество социальных сетей, которые респондент посетил за последние семь дней
Количество деловых социальных сетей, в которых зарегистрирован респондент
Количество деловых социальных сетей, которые респондент посетил за последние семь дней
Наполненность профиля в деловой социальной сети
Количество друзей в деловой социальной сети
Количество отслеживаемых сообществ в деловой социальной сети
Количество отслеживаемых компаний в деловой социальной сети
Количество специализированных сайтов, на которых зарегистрирован респондент
Просмотр вакансий на сайтах компаний
Время, которое респондент в среднем тратил на поиск работы с помощью Интернет ресурсов.
Далее для обозначения независимых переменных, которые оказались незначимыми в результате регрессионного анализа, мы будем использовать их порядковых номер исключительно ради экономии места. В текст мы считаем целесообразным включить только итоговые модели.
Задача 2. Понять, как активность в Интернет-ресурсах влияет на успешность трудоустройства.
Гипотеза 2.1. Чем более активно поведение респондента на различных Интернет-ресурсах, тем большую заработную плату может получать респондент.
Рассмотрим сначала в качестве зависимой переменной заработную плату. Для решения этой задачи мы используем обычную линейную регрессию. Опираясь на результаты корреляции, мы видим, что только показатели активности в деловой социальной сети представляют интерес. Тем не менее, количество деловых сетей, в которых зарегистрирован респондент, наполненность его профиля, количество друзей, сообществ и компаний, которые респондент отслеживает в сети, а также факт посещения сети в течение последней недели являются взаимосвязанными переменными (корреляция колеблется от 0.41 до 0.78).6 Мы уже выяснили, что в среднем человек зарегистрирован не более чем в одной сети, поэтому показатель количества деловых сетей не представляет интереса. Большинство пользователей деловой социальной сети размещают свои контакты (телефон 53% или e-mail 75%), предоставляют информацию о высшем образовании (89%) и прикладывают резюме (74%). Треть нашей выборки имеют не более 150 контактов в друзьях, 40% опрошенных отслеживают от 1 до 10 страниц компаний и 40% вступили до 20 различных групп. Опираясь на описательную статистику, мы склоняемся к показателю «посещал деловую социальную сеть в течение последних 7 дней» как к показателю её активного, а не пассивного использования.
Таблица 1 Корреляции
| Переменные
| Зарплата
| Посещал деловые соцсети за последние 7 дней
| .271**
| Профиль
| .244**
| Количество друзей
| .243**
| Количество деловых соцсетей
| .229**
| Количество отслеживаемых сообществ
| .132*
| Количество отслеживаемых компаний
| .126*
| Количество сайтов
| .049
| Посещал соцсети за последние 7 дней
| -.015
| Количество соцсетей
| -.020
| **. Корреляция значима на уровне 0.01 (2-сторон.).
|
| *. Корреляция значима на уровне 0.05 (2-сторон.).
|
| База: 252
|
Проведя несколько регрессий, включая контрольные переменные и одну из вышеперечисленных, мы также выбрали этот показатель как наилучших, опираясь на значение коэффициента β. В качестве контрольных переменных для нашей регрессии мы выбрали «пол», «проживание в столице» и «возраст». Возраст оказался в нашей модели незначимым коэффициентом. Скорее всего, мы получили такой нетипичных результат, потому что большинство респондентов входят в группу от 20 до 30 лет, и мы не можем уловить изменение заработной платы с годами.
Наша итоговая модель выглядит следующим образом:
Salary = β0 + β1 (Moscow) + β2 (Sex) + β3 (Age) + β4 (business network L7D user) + ε
Salary – заработная плата респондента,
Moscow – проживает ли человек в Москве,
Sex – пол респондента
Age – возраст респондента
Business network L7D – использование деловой социальной сети в течение последних семи дней.
ε – стандартная ошибка выборки
Данные удовлетворяет требованиям проведения регрессионного анализа: остатки имеют нормальное распределение, что позволяет нам строить доверительные интервалы, они имеют равную дисперсию распределения, то есть гомоскедастичны, а также отсутствует мультиколлинеарность между независимыми переменными. Согласно итоговой полученной нами модели их всех индикаторов активности, только активность в деловых социальных сетях имеет влияние на заработную плату респондента. Переменная «использование деловой социальной сети в течение последних семи дней» является наилучшим показателем активности.
Таблица 2 Коэффициентыa
| Модель
| Нестандартизованные коэффициенты
| B
| Стд. Ошибка
| 1
| (Константа)
| 41385.4
| 5468.5
| Проживает в Москве
| 11514.8**
| 4894.2
| Пол
| -11081.2***
| 4011.8
| Возраст
| -8.6
| 11.0
| Посещал деловые соцсети за последние 7 дней
| 10813.1***
| 2663.1
| a. Зависимая переменная: Зарплата
| *** - значимость на уровне 0.01 (2-сторон.).
| ** - значимость на уровне 0.05 (2-сторон.).
| * - значимость на уровне 0.1 (2-сторон.).
| Таблица 3 Сводка для модели
| Модель
| R
| R-квадрат
| Скорректированный R-квадрат
| Стд. ошибка оценки
| 1
| .349a
| .122
| .108
| 30473.161
| a. Предикторы: (конст) Посещал деловые соцсети за последние 7 дней, Проживает в Москве, Возраст, Пол
|
Эта переменная может также указывать на влияние переменных под порядковым номером 3, 5, 6, 7, 8 из-за достаточно высокой корреляции. Неудивительно, что переменная «Проживает в Москве» улучшает финансовое положение соискателя. Зарплата в столице на порядок выше, чем в регионах. Согласно нашей модели, зарплата повышается на 11 515 рублей. Зарплата для женщин в среднем на 11 081 рублей ниже, чем для мужчин. А постоянный мониторинг деловой социальной сети может повысить заработную плану на 10 743 рубля (см. таблицу 2). Таким образом, согласно коэффициентам, наша гипотеза о влиянии активности использования Интернет ресурсов на увеличение заработной платы, подтверждается. Обращаем ваше внимание на то, что данный результат может быть опровергнут, так как качество модели достаточно низкое (R-квадрат не превышает 10%).
Предыдущие исследования также показывали, что месячная зарплата возросла в среднем на 3 процента для тех, кто пользовался интернетом при поиске работы [Bagues and Labini]. Факт того, что респондент заходил в деловую социальную сеть за последние семь дней, говорит о постоянстве ее использования. Так, при посещении сети, он может расширять список своих контактов, обновлять информацию на своей странице (например, резюме), отвечать на сообщения и вести другую активность. Данные результат также может отражать теорию «слабых связей», которая говорит о том, что человек, используя социальные сети, скорее найдет более оплачиваемую работу, а уровень удовлетворенности будет выше. В данном случае, социальные сети действуют не через личное общение, а в Интернет пространстве. Задача 2. Понять, как активность в Интернет-ресурсах влияет на успешность трудоустройства.
Гипотеза 2.2. Чем более активно поведение респондента на различных Интернет-ресурсах, тем больше вероятность, что он найдет работу, которой будет удовлетворен.
Следующая зависимая переменная – это удовлетворенность текущим местом работы. Для решения данной задачи мы использовали метод логистической регрессии. Мы взяли 7-бальную шкалу для измерения уровня удовлетворенности, где 1 обозначала полную неудовлетворенность, а 7 – полную удовлетворенность текущим местом работы. Мы перекодировали данную переменную в бинарную, где 1 обозначает высокую удовлетворенность работой (6 или 7 по 7-бальной шкале).
В качестве контрольных переменных для нашей модели мы использовали пол, возраст, проживание в Москве, соответствие образования текущей должности. После проведения ряда регрессий с контрольными переменными, мы оставили наилучшую модель со значимыми показателями активности.
High Satisfaction = β0 + β1 (Moscow) + β1 (Sex) + β2 (Age) + β3 (Education relevance) + β4 (Business networks amount) + ε
High Satisfaction – высокая удовлетворенность работой
Moscow – проживает ли человек в Москве,
Sex – пол респондента
Age – возраст респондента
Education relevance – соответствие образования работе
Business networks amount – количество деловых социальных сетей, на которых зарегистрирован респондент.
ε – стандартная ошибка выборки
Таблица 4 Переменные в уравнении
|
| B
| Стд.Ошибка
| Вальд
| ст.св.
| Знч.
| Exp(B)
| Шаг 1a
| Проживает в столице
| -.938
| .479
| 3.825
| 1
| .051
| .392
| Пол
| -.549
| .335
| 2.691
| 1
| .101
| .577
| Возраст
| .001
| .001
| .617
| 1
| .432
| 1.001
| Соответствие образования работе
| -.645
| .323
| 3.991
| 1
| .046
| .525
| Количество деловых социальных сетей, в которых зарегистрирован респондент
| .484
| .158
| 9.399
| 1
| .002
| 1.622
| Константа
| -.405
| .283
| 2.043
| 1
| .153
| .667
| a. Переменные, включенные на шаге 1: Проживает в столице, Пол, Возраст, Соответствие образования работе, Количество деловых социальных сетей, в которых зарегистрирован респондент
|
Количество деловых сетей, в которых зарегистрирован человек, имеет наивысшую корреляцию (0.276) с удовлетворенностью местом работы. Мы знаем, что 37% респондентов не зарегистрированы ни в одной сети, 39% используют одну сеть и еще 17% пользуются двумя сетями. Что касается использования сетей, то, скорее всего, это LinkedIn (зарегистрировано 59%) или Мой круг (зарегистрировано 18%). Согласно полученной модели (таблица 4), количество сетей, в которых зарегистрирован респондент, имеет влияние на высокую удовлетворенность найденной работой. Вероятность попасть в группу высоко удовлетворенных работников увеличивается в 1.6 раз. А вот проживание в столице и соответствие работы и полученного образования, хоть и не сильно, но уменьшают эту вероятность. Так, использую контакты в деловой социальной сети, человек с большей вероятностью найдет работу, которой он будет удовлетворен. Наш результат опять же подтверждает теорию «слабых связей» и эмпирические исследования, которые были проведены на ее основе.
|